Identificación basada en el aprendizaje automático de destilados de petróleo y trazas de gasolina utilizando...

Área de la Ciencia:

• Ciencias forenses
• Química analítica
• Ciencias de la computación

Sus antecedentes:

• Las investigaciones de incendio se basan en expertos forenses que analizan espectros de cromatografía de gases (GC) para detectar líquidos inflamables.
• Los métodos actuales consumen mucho tiempo, especialmente cuando no hay líquidos inflamables.
• El aprendizaje automático (ML) ofrece una solución potencial para automatizar y mejorar la precisión del análisis espectral.

Objetivo del estudio:

• Desarrollar y validar un flujo de trabajo basado en ML para clasificar líquidos inflamables utilizando cromatogramas GC (espectros).
• Para crear un nuevo algoritmo de síntesis de espectros para aumentar los datos experimentales limitados.
• Evaluar el impacto del tamaño del conjunto de datos y de los algoritmos de aprendizaje automático en el rendimiento de la clasificación.

Principales métodos:

• Recogió y anotó 181 espectros reales de escenas de incendios y bases de datos de referencia.
• Desarrolló modelos de aprendizaje automático utilizando los algoritmos k-Nearest Neighbors (kNN), el espectro representativo y el bosque aleatorio (RF).
• Creó un algoritmo de síntesis de espectros para generar un gran conjunto de datos de espectros sintéticos.
• Modelos de kNN, RF, espectro representativo y aprendizaje profundo (DL) entrenados y probados en conjuntos de datos reales y sintéticos.

Principales resultados:

• Los modelos de ML lograron altas puntuaciones de F1 (0.74-0.96) en espectros reales cuando se entrenaron en conjuntos de datos aumentados.
• El rendimiento dependía más del tamaño del conjunto de datos de entrenamiento que del algoritmo ML específico utilizado.
• Los modelos entrenados en conjuntos de datos sintetizados más grandes mostraron un mejor poder predictivo en espectros reales independientes.

Conclusiones:

• El flujo de trabajo ML desarrollado y el algoritmo de síntesis de espectros clasifican efectivamente los líquidos inflamables de los espectros GC.
• El aumento del tamaño del conjunto de datos mejora significativamente el rendimiento del modelo ML en el análisis espectral forense.
• La metodología es adaptable a otros dominios forenses que utilizan datos espectrales.